โจทย์
การปรับมาตรฐาน ปรับสเกลฟีเจอร์ให้มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1 ซึ่งเป็นรูปแบบที่หลายโมเดล (และการลดเกรเดียนต์) ทำงานได้ดีที่สุด:
z = (x - mean) / std
ใช้ส่วนเบี่ยงเบนมาตรฐานของ ประชากร: std = √(Σ(x - mean)² / n) ถ้า std เป็น 0 (ทุกค่าเท่ากัน) ให้คืนค่า 0 สำหรับทุกค่า
จงเขียน z_scores(values)
อินพุต
values: ค่าของฟีเจอร์หนึ่ง
เอาต์พุต
คืนค่า z-score ของแต่ละค่าตามลำดับเดิม
เงื่อนไข
1 ≤ ความยาว ≤ 10,000
-1,000,000 ≤ แต่ละค่า ≤ 1,000,000
ตัวอย่าง
อินพุต:
values = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]
ผลลัพธ์ที่คาดหวัง:
expected = [-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]อินพุต:
std::vector<double> values = {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
ผลลัพธ์ที่คาดหวัง:
std::vector<double> expected = {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};อินพุต:
double[] values = new double[] {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
ผลลัพธ์ที่คาดหวัง:
double[] expected = new double[] {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};คำอธิบาย
ค่าเฉลี่ยคือ 40 / 8 = 5 และส่วนเบี่ยงเบนมาตรฐานของประชากรคือ √(32 / 8) = 2 ดังนั้น 2 → (2 - 5) / 2 = -1.5, 4 → -0.5, 5 → 0, 7 → 1 และ 9 → 2 ผลลัพธ์: [-1.5, -0.5, -0.5, -0.5, 0, 0, 1, 2]
อินพุต:
values = [3.0, 3.0]
ผลลัพธ์ที่คาดหวัง:
expected = [0.0, 0.0]อินพุต:
std::vector<double> values = {3.0, 3.0};
ผลลัพธ์ที่คาดหวัง:
std::vector<double> expected = {0.0, 0.0};อินพุต:
double[] values = new double[] {3.0, 3.0};
ผลลัพธ์ที่คาดหวัง:
double[] expected = new double[] {0.0, 0.0};คำอธิบาย
ทั้งสองค่าเท่ากับค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐานจึงเป็น 0 และ z-score ทั้งสองเป็น 0
แหล่งอ้างอิง
โจทย์นี้ปรับให้เหมาะกับ CodeUtility กรุณาทำตามคำชี้แจงและข้อจำกัดด้านบน